回顾前三次，在减半之后的 360 天内，BTC 整体涨幅分别达到 2,819%、803% 和 707%。不过在此轮周期中，现货 ETF 的需求激增可能会部分程度上改变周期的高度和时间。

阅读提要： 市场表现回顾 1）ETF 资金流入推动今年开局强劲 比特币在一季度经历了 67.0% 的惊人上涨，成为迄今为止令人印象最深刻的 Q1 之一。这一上涨主要是由于对年初推出的现货比特币 ETF 的巨大需求。 尽管起步缓慢，随后转向资金净流出，但现货 ETF，尤其是 IBIT，已成为历史上表现最好的 ETF。散户和投资顾问的兴趣激增，这部分人此前曾对通过其他渠道投资现货比特币犹豫不决，现在却成为 ETF 需求激增背后的推动力。 大多数其他资产类别在一季度亦表现良好，因为低失业率、强劲的经济以及虽然尚未消除但已远低于高点的通胀，为资产表现提供了支撑背景。 市场尚未实现其所期望的降息，因为一年多以来，市场一直预计联邦公开市场委员会（FOMC）「从现在起 6 个月后」将降息。考虑到通胀数据，我们不相信 FOMC 将实现这一预期。但考虑到过去一年风险资产的表现，似乎降息对于比特币、股票、黄金和房地产的强劲表现来说已不再是必要条件。 2）Q1 季节性表现 从历史上看，一季度比特币的价格表现一直不错，今年这种趋势仍在继续。2024 年 Q1 是比特币有史以来表现第四好的 Q1，也是自 2013 年以来第二好的 Q1，为未来一年奠定了积极的基调。 除了 ETF 的推出为市场带来了显著提振，即将到来的减半也将在价格周期中发挥至关重要的作用。尽管减半造成的供应量减少幅度很大（相当于 450 个比特币/天，或 3150 万美元/天，按 70,000 美元/BTC 计算），但其影响可能不会与引入 ETF 所带来的需求激增效应相媲美。 3）相关性上升，但仍处于低水平 比特币与其他主要资产类别（例如股票和美元指数）的相关性在 2023 年底从接近于零的水平有所回升（绝对值），但相比黄金有所下降。然而，我们认为这种变化并没有多大意义，因为比特币的 90 天滚动相关性历史上一直在 +0.3 和 -0.3 之间波动。为应对 Covid-19 危机而采取的货币和财政干预措施改变了比特币与其他资产的相关性，但这种变化似乎是暂时的。随着印钞和降息以应对通胀的时代逐渐过去，比特币的长期相关性正显示出恢复到历史平均水平的迹象。 影响一季度的大事件 1）ETF 在 Q1 占主导地位 毫无疑问，一季度最引人注目的是美国批准和推出现货 ETF。这是一个充满意外波折的事件：SEC 推特账户被黑客入侵，过早地宣布批准，在最终决定截止日期前获得批准，最初的资金流入低于预期，导致资金净流出，但随后出现了显著改观。 这也是 ETF 推出以来最强劲的资金流入。当 Q1 结束时，很明显可以看出，ETF，无论是整体还是单只产品，都取得了巨大成功。 考虑到这一点，我们希望分享有关 ETF 整体和单独表现的季末结果。乍一看，除了 GBTC 净流出，以及 BTCO 在某些日子有赎回（可能与 Galaxy 的抛售活动有关）外，其余 ETF 都出现了净流入。ARKB 于 4 月 2 日（上周二）出现单笔资金流出，这是除 GBTC 和 BTCO 之外的 ETF 中首次出现资金流出。 2）贝莱德和富达引领挑战者 一季度 ETF 的净流入总额达到惊人的 $12.1B。有趣的是，虽然 GBTC 面临 $14.8B 的净流出，但 9 个「挑战者」ETF 却吸引了 $26.9B 的净流入。GBTC 继续保持其资产管理规模的领先地位，贝莱德的 iShares 基金 (IBIT) 紧随其后，排名第二，富达 (FBTC) 排名第三。值得注意的是，加密原生公司 ARK 21Shares 和 Bitwise 占据了第四和第五名，展示了令人印象深刻的营销能力。这一成功使得他们领先于 VanEck、景顺 (Invesco) 和富兰克林邓普顿 (Franklin Templeton) 等知名机构。 3）BITO 和期货 ETF 表现出色 在现货 ETF 推出后，BITO 和其他基于比特币期货的 ETF 的恢复力令人惊讶。尽管与现货 ETF（GBTC 除外）相比，BITO 的费率较高（0.95%），加上存在展期成本和现货跟踪误差，但期货 ETF 的赎回只有 5,520 万美元。最近关闭的 VanEck 比特币策略 ETF (XBTF) 是竞争性 ETF 市场格局中的一个牺牲品，但比特币期货 ETF 这一资产类别的 AUM 仍高达 3.1B 美元。这凸显了投资者认可、作为先行者的价值，以及衍生品市场的潜在重要性，特别是在现货 ETF 仍在等待期权交易获批的情况下。 4）杠杆期货基金从默默无闻中崛起 在现货 ETF 推出之前，Volatility Shares 的 2x 比特币策略 ETF (BITX) 管理的资产为 2.225 亿美元。相比之下，BITO 当时的 AUM 为 $2.2B。一季度，杠杆期货基金（例如 Bitx 和 2 月份新推出的 BFTX）积累了超过 10 亿美元的资金。截至一季度末，这些杠杠期货基金以其 2 倍的杠杠率，拥有比 BITO 更多的 CME 交易的比特币期货。显然，投资者倾向于选择像 BitX 这样的基金来利用市场走势，考虑到该基金 1.85% 的费用率，取得这一成绩尤其难得。 5）投资者退出加拿大 ETF 美国投资者在加拿大现货 ETF 中找到庇护，这一点很有趣。加拿大现货 ETF 于 2021 年 2 月出现，作为美国 GBTC 等产品的可行替代品。最近的季度数据显示，这些基金流出了 4.236 亿美元，反映出美国投资者的兴趣转移。我们的猜测是，这些资金中有相当一部分可能已经回流到美国 ETF。 6）灰度难题 作为市场上受到最密切关注的基金之一，GBTC 因其产品相关的资金流出而受到广泛关注。当 ETF 交易开始时，GBTC 拥有相当大的优势，AUM 为 $28.6B。然而，它也有一个明显的劣势，即 1.5% 的费率，比第二高的竞争对手高出 5 倍。到一季度末，在处理 $14.8B 赎回后，GBTC 的 AUM 领先优势已显著缩小至 $23.6B，而 IBIT 为 $17.8B。 我们估计，GBTC 的赎回中，其中 4.8B 美元与解决 Genesis 破产、Gemini Earn 计划和 FTX 破产有关，剩下约 $10.1B 来自其他 GBTC 持有者的赎回。迫在眉睫的问题是，这些赎回何时停止，灰度应该采取什么策略来有效解决这个问题？ 值得注意的是，灰度赎回量最近似乎正在减缓，过去 3 天每天的赎回量仅为 7500 万美元至 8200 万美元。这与 3 月份日均 3.181 亿美元相比大幅下降。尽管明显放缓，但从外部角度来看，准确预测总流出量仍然是一项具有挑战性的任务，这就是我们没有做出具体预测的原因。  在许多方面，灰度掌握着主动权。尽管它可能会降低费用以与贝莱德和富达等行业巨头竞争，但考虑到竞争对手普遍的费用结构，这一举措在财务上可能不是最优的。尽管一些公司提供费用减免或根本不收取任何费用，但它们的标准化费率仍然大大低于 GBTC 的 1.5%。  Grayscale 计划在 BTC 代码下引入低费用版本的 GBTC，类似于 GLD/GLDM 和 IAU/IAUM 在黄金 ETF 市场的运作方式，这是朝着正确方向迈出的一步。…

从历史上看，比特币减半或对价格产生积极影响，但比特币不是在真空中运行的，不可忽视其他因素。

根据Canalys公布的最新数据，2023年第四季度，全球智能可穿戴设备（包括手环、智能手表）的出货量为4850万台，同比下跌3%，Canalys认为下滑主要受北美和西欧市场高通胀和需求疲软的影响。 而在全年出货量方面，结合Canalys此前公布的数据可计算得出，全球智能可穿戴腕上设备总出货量达到了1.845亿台，与2022年的1.828亿台相比，整体市场只是略有增长而已。 不过，作为一个市场规模已经达到452.55亿美元的成熟赛道，智能可穿戴设备的市场格局并没有像手机、PC那样固化。仅2023年，就能看到TOP5品牌中小米、华为、Fire Boltt的强势崛起，以及苹果、谷歌的市场衰退。 靠“低价”圈粉的小米与Fire Boltt 具体到品类分布上面，与2022年相比，智能手环的份额下降了3%、支持安装第三方应用的高端智能手表也遭遇了4%的份额下跌。 钛媒体App分析认为，从市场端的变化可以看出，当前用户对腕上智能设备的定位正逐步明确，功能性方面不再要求更强的扩展性，换句话说，就是不再指望智能手表能够代替手机。同时，由于智能手环屏幕尺寸、交互效率和功能覆盖的局限性，也开始吸引很多用户转向购买入门级或者中端的智能手表产品。 但大趋势的变化并不意味着智能手环彻底被用户所抛弃，比如Fire Boltt，可能很多国内用户压根没有听说过这一品牌，它是由Arnav Kishore、Aayushi Kishore于2015年创立的印度可穿戴产品品牌。 通过浏览其官网就能发现，产品线覆盖相当全面，在智能穿戴产品上，Fire Boltt将其分为了智能、女性、户外、轻奢等多个系列，并且也已经开始向外扩张覆盖TWS等新品类。从售价方面看，畅销款零售价格基本在10000卢比以内（约合人民币868元），通过享受分期等优惠，实际到手价格则在1500卢比左右（约合人民币130元）。 钛媒体App注意到，Fire Boltt畅销的几款产品都是屏幕尺寸稍微大一点的智能手环，功能基本只包括简单的运动监测、心率监测以及通知显示功能。如果将Fire Boltt的热销产品类比到大家更熟悉的小米身上，大概就相当于售价129元的Redmi手环2。 凭借低价优势，Fire Boltt在印度市场取得了27%的市场份额，并且单季度的市场占有率增幅达到了52%。同样是以性价比著称的小米，在印度市场的占有率则仅有1%。此外，也是靠着印度市场巨大的出货量，让Fire Boltt跻身智能穿戴品牌全球TOP5。 从Fire Boltt的成功也能看出，智能手环在当前的市场环境下依然有着属于自身的生存空间，尤其是对于像印度和南非这样智能穿戴产品处于加速渗透阶段并且对产品价格较为敏感的地区。 与Fire Boltt类似的是小米，尽管旗下也推出了售价1500元左右的智能手表产品，但市场主销和主推的依然是小米和Redmi的智能手环和基础款智能手表。Canalys的统计数据也说明了这一点，小米可穿戴产品的销售均价不到100美元，只比boAt、Noise这些单纯追求低价的品牌稍高。 钛媒体App分析认为，在如今的智能穿戴市场，“低价红利”仍然存在，除了上面提到的两个案例，同样以低价著称的传音就在非洲获得了42%的市场份额，增长率达到了夸张的331%。 下一步，智能手环和基础款的智能手表依然会是这几个品牌主要竞争的领地。从整体的市场格局来看，它们尽管有着出货量的优势，但对于苹果的市场领先地位并不会形成真正的威胁，尤其是当完成了初期的市场普及和市场教育后，没有足够多的中高端产品来承接用户体验升级的需求将会是影响持续扩张的隐患因素。 市场下滑、华为上桌，苹果还能“傲慢”多久？ 自2014年推出Apple Watch以来，凭借智能手机庞大的用户基数以及品牌影响力，苹果一直都占据着智能穿戴领域的头把交椅，并且前几代产品开辟的腕上智能交互、健康监测以及交互能力上的不断升级，也确实带动了行业的发展。 2021年，可以说是苹果Apple Watch的高光时刻，该年推出的Apple Watch Series 7直到3年后的今天依然是很多消费者购入Apple Watch时的最佳选择。但此时苹果的摆烂心态也开始被用户所感知，万年不变的模具、屏幕尺寸、羸弱的应用生态、高昂的价格再加上1天1充的鸡肋续航表现被越来越多用户吐槽。 2022年推出的Apple Watch Ultra虽然售价加倍，但在增加少量户外运动属性的同时，续航也仅仅提升到2天而已，并且与售价在同一区间的专业户外手表比如佳明的飞耐时、安夺系列相比，专业数据覆盖量、户外续航时长、配套软硬件生态都远远落后。 如果说Apple Watch的出现，让大家对戴在腕上的“智能终端”有了美好的憧憬并成为点燃市场的火星，那么如今Apple Watch最终沦为“手机配件”的现实，就是它衰落的原因。同样是手机配件，为什么要花一部中端智能手机的价格去买一块并不智能的智能手表呢？ 正因如此，苹果近两年的市场表现连连下跌，2023年第4季度，其市场下滑幅度达到了25%，在全球前五大市场中，苹果仅在美国和德国两个市场取得第一，并且同比下滑了24%和23%，其全球市场21%的销售份额，也使得第二、三名的小米和华为正不断缩小差距。 面对智能手表“不智能”的死穴，此时就有厂商开始思考，既然智能手表受限于屏幕尺寸、电池容量、性能释放等多种因素限制，没法最终进化为“腕上智能手机”，那只能挖掘作为穿戴产品的其他应用潜力，深挖“健康监测”便是其中一个方向。 实际上，苹果早在2018年就推出了全球首款支持ECG功能的智能手表Apple Watch Series 4，这款手表的ECG功能可以记录心电图，用于监测心率异常，这是智能穿戴设备在健康监测方面的一大进步。 只不过苹果对于身体健康监测的功能探索也就止步于此了，2019年，欧姆龙发布了一款支持在腕上测量血压的产品HeartGuide，不过这款产品并没有激起什么浪花，甚至很多人并不知道第一款腕上血压测量的产品是它。此外，华米也曾发布过使用光电传感器实现腕上血压测量的智能手表Amazfit GTR 3 Pro。 与这些或小众或依靠算法测量的产品相比，更为人熟知的首款支持腕上测量血压的产品则是华为于2021年底发布的WATCH D，通过在腕带上布置的微型气泵、气囊，使得它能够通过手腕测量血压，虽然产品的售价已经达到与Apple Watch相当的级别，但上市后依然获得了很高的关注度。 除了血压以外，血糖作为身体健康监测的另一个维度也开始受到厂商的关注。华为在旗下WATCH 4系列智能手表上推出了“高血糖风险评估研究”功能，不过该功能和直接测量血糖还是有一定的差异，其根据综合身体数据结合算法给出的评估结果，只是会生成高、中、低三类风险等级提示。 除了欧姆龙、华米、华为，OPPO旗下的智能手表也曾通过与颐健安血糖仪合作，实现了对连续血糖数据的评估。可以说，充分挖掘腕上设备在健康监测甚至作为医疗数据补充方面的应用潜力，已经成为各个厂商最有可能实现破局的方向。 也是凭借在健康属性上的加码，使得华为旗下的智能穿戴产品能够在定价上有更大的突破空间，华为2023年发布WATCH Ultimate系列，其定价已经与Apple Watch…

没声音，再好的戏也出不来。 图片来源：由无界AI生成 在提示框内输入“中世纪小号手”，打开音效开关键，点击生成视频，一个4秒的AI生成视频便跃然于屏幕上。人们不仅能看到一个身穿中世纪宫廷服饰乐手的画面，还能听到乐手吹小号的声音。 北京时间3月10日，硅谷一家AI初创公司Pika lab（以下简称Pika），推出自研视频生成模型的新功能，可同时生成画面和声音。此前，人们看到的所有AI生成的视频都没有声音。此功能尚未向公众开放，但足以让人见识到AI的进化之快。 今年2月16日，OpenAI发布文字生成视频的大模型Sora。根据简单几句提示，Sora便能准确“理解”文本，生成长达60秒的视频，引发全球关注。一些业内人士将Sora的问世称为视频生成领域的“ChatGPT 时刻”。当地时间3月8日，历经几个月的“宫斗”大戏后，OpenAI的创始人山姆·奥特曼重回董事会，继续推进公司实现通用人工智能（AGI）的使命。 Sora的横空出世到底意味着什么，我们距离AGI还有多远，AI的下一步将走向何方？  “大力出奇迹”的再次验证 发布Sora之前，OpenAI并未向外界透露入局文生视频的想法。直到今年年初，全球文字生成视频赛道的焦点，仍集中在Pika、Runway、Stability AI等初创企业身上。 去年11月底，Pika初代文生视频产品发布，用户输入关键词“马斯克穿着太空服，3D动画”，卡通版的马斯克随即出现，在他身后，美国太空探索技术公司（SpaceX）的火箭升入空中，视频只有三四秒，清晰度和流畅度已远超其他产品。彼时，Pika联合创始人孟晨琳接受采访时分析说，“为什么GPT没有用于视频，可能因为他们的资源、人力都集中到了文本模型上。” 两个多月后，Sora惊艳亮相。其技术负责人最新展示的视频中，输入“穿越博物馆的飞行之旅，沿途欣赏众多绘画、雕塑以及各式各样的美丽艺术作品”，AI便生成60秒的长视频，人们跟随镜头，从空中俯冲至博物馆内，在多个画廊、房间穿梭，还会从雕塑边擦身而过。 新加坡南洋理工大学计算机学院助理教授刘子纬对《中国新闻周刊》说，OpenAI入局文生视频赛道，并不令人意外。OpenAI始终标榜要实现通用AGI。“朝着AGI发展，AI不仅要‘读万卷书’，还要看到世界上的种种物理现象。OpenAI一定会在文本、图像、音频、视频等多模态领域发展。视频是发展多模态最重要的一步，包含了世界运转的基本规律。” Sora生成的视频效果仍令刘子纬感到震撼。刘子纬3年前便开始研究AI视频生成。相较文字和图片，AI视频生成的技术难度最大，对视频数据的分辨率、内容流畅度、一致性要求高，算力需求大。Sora之前，市面上的同类型产品，大多生成的视频清晰度不高，还会出现画面闪烁、人物变形的情况。Sora生成的视频能保持很好的三维一致性。生成的内容，比如水、云的运动，小鸟在林中飞翔等，主体与环境的交互能一定程度上展现物理世界的真实性。 OpenAI在其官网发布的Sora的技术报告中，强调了Diffusion Transformer（基于Transformer架构的扩散模型，以下简称DiT）的重要性，这是由两种模型合成的新模型。两种模型的“合璧”是Sora得以成为爆款的关键。Diffusion（扩散模型）是一种有效的内容生成模型，此前在图片生成领域已展现出强大能力，能生成逼真且高质量的图片。Transformer是GPT这类大语言模型的基础架构。ChatGPT能对答如流，便是因为这一架构能通过预测下一个token（文本的最小单元）出现的概率，更好捕捉上下文信息，生成更符合逻辑的文本。 清华大学智能产业研究院首席研究员聂再清对《中国新闻周刊》解释称，OpenAI进行视频数据训练的一大“秘籍”，就是将不同尺寸、分辨率的视频拆分成patch（视觉补丁，相当于token），然后直接输入模型学习。OpenAI官方介绍，Sora可以采样宽屏1920x1080p、垂直屏1080x1920p及介于两者间的所有视频。此外，OpenAI还为训练的视频集中生成字幕，可以提高文本保真度及视频的整体质量。 但业内共识是，DiT模型是个公开的秘密，底层技术上，Sora并没有创新。早在2022年年底，DiT就被提出。当时，美国加利福尼亚大学伯克利分校博士生威廉·皮布尔斯和纽约大学计算机学院助理教授谢赛宁联合发表论文，在文生图领域，创造性地将Transformer与Diffusion融合，一度引发学界轰动。刘子纬向《中国新闻周刊》介绍，去年起，国际上已有团队在探索利用DiT架构训练文生视频模型，包括其所在团队。“这是很自然的选择。” Sora官网发布的部分由文字生成的视频（截图） 彼时，文生视频模型有多条技术路径，但受限于算力和数据，DiT路径尚未走通，学术团队和创业公司难以全力投入。OpenAI选择了一条少有人走的路。在刘子纬看来，“Sora背后，与其说是模型的突破，不如说是OpenAI大模型系统设计的胜利”。大模型系统设计，涵盖训练数据的细节，OpenAI在算力、人才组织架构上的积累等。这些因素最为关键，但OpenAI在公开信息中几乎只字未提。 Sora复制了ChatGPT的成功经验，再次验证了“大力出奇迹”的暴力美学，以及OpenAI“遇事不决，扩大模型”核心价值观的可行性。在清华大学计算机系副教授、人工智能初创公司壁智能联合创始人刘知远看来，Sora像是AI视频生成的“GPT-3时刻”，它证明数据的价值，高质量、大规模的数据能训练出一个文生视频模型。 中国科学院深圳先进技术研究院数字所研究员董超长期研究底层机器视觉，目前，正与团队研发多模态模型。他向《中国新闻周刊》强调，选取哪些数据、如何筛选、如何标注，直接影响模型生成的效果。想要大模型生成高质量的视频，要求训练数据分辨率高，场景细节丰富，人、物、景占比协调等，如果一些场景转场太快，也要被剔除。 Pika联合创始人孟晨琳也提到，一些电影中有很多漂亮的视频，但如果大部分都是人站着说话，动作单一，也不是训练大模型的优质数据。此外，版权问题，也会影响企业收集到足够多高质量的视频。 在董超看来，数据背后，人才团队极为重要，“大模型的训练绝不是看上去那么简单，没有经验根本调不通，通常要团队里最优秀的人来做这件事。国外许多科技公司的顶尖AI人才，都会在一线亲自处理数据，写代码”。 据OpenAI官网介绍，Sora的核心团队共15人。公开资料显示，团队的成立时间尚未超过1年，三位研发负责人中，两人都是2023年从加利福尼亚大学伯克利分校博士毕业，其中一人便是前述DiT论文的作者之一威廉·皮布尔斯，另一位蒂姆·布鲁克斯曾在谷歌工作近两年，在伯克利读博期间，主要研究方向就是图片与视频生成。布鲁克斯和另外一位研发负责人阿迪亚·拉梅什都是OpenAI开发的文生图模型DALL-E 3的创造者。 从GPT-3、GPT-3.5再到GPT-4，OpenAI积累了丰富的大数据训练、生成与治理能力，这是支持Sora的“基础设施”。“Sora团队只有十几人，就说明，OpenAI给他们提供了重要的底层支持，组织架构、人才管理、基础设施，这才能让有想法的人，真正做出能影响世界的成果。”刘子纬对《中国新闻周刊》说…